data$sumilla=tolower(data$sumilla)
#Impuestos
data$Impuestos = factor(ifelse(grepl("impuesto", data$sumilla),1,0))
#Lima
data$Lima = factor(ifelse(grepl("lima", data$sumilla),1,0))
table(data$Impuestos)
##
## 0 1
## 33444 1143
Índice
El siguiente ejercicio evalúa la promulgación de leyes de los últimos 5 periodos parlamentarios. En total, se analizaron 34 587 propuestas de ley. El énfasis se encuentra en el análisis de los tiempos necesarios para promulgar una ley.
El siguiente gráfico muestra el total de leyes analizadas por periodo de gobierno. Como se observa, el periodo 2001-2006 muestra una marcada diferencia en la producción de leyes con respecto a los otros periodos parlamentarios, encontrandose por encima del promedio.
En la siguiente sección, se analizan las 5 807 leyes propuestas durante el periodo legislativo 1995-2000.
Una ley puede ser propuesta por distintas instituciones o actores de la sociedad civil. En el periodo legislativo 1995-2000, se encontraron 14 proponentes distintos. A continuación, se muestra el número de leyes propuestas por proponente. De acuerdo a ello, después del Congreso, el Poder Ejecutivo y los Gobiernos Locales registraron el mayor número de leyes propuestas y promulgadas en el periodo de estudio.
En el periodo legislativo 1995-2000, el 26% de leyes propuestas fueron promulgadas. El siguiente gráfico muestra el porcentaje de leyes promulgada en el periodo de estudio, en función del proponente.
En promedio, en el periodo legislativo 1995-2000, una ley tardó seis meses en ser promulgada (26 semanas). El siguiente gráfico muestra el tiempo promedio para que una ley sea promulgada, en función del tipo de proponente.
En el periodo 1995-2000, hubieron 13 grupos parlamentarios. A continuación, se muestra el número de leyes propuestas por el Congreso según grupo parlamentario. Importa resaltar que NO se cuenta con información del grupo parlamentario de 5 752 leyes. De las leyes que cuentan con información, el Grupo Fujimorista registra la mayor cantidad de leyes propuestas.
En tanto no se cuenta con información para la mayoría de leyes, no se continuará con el análisis de grupos parlamentarios.
En la siguiente sección, se analiza el contenido de las sumillas de las leyes propuestas en el perido legislativo 1995-2000. Ello con el objetivo de encontrar patrones en los temas que fueron abordados por las leyes propuestas y promulgadas. Los siguientes gráficos muestran las palabras que fueron mencionadas con mayor frecuencia en las sumillas de las leyes analizadas.
En la siguiente sección, se analizan los determinantes de la promulgación de leyes en el periodo legislativo 1995-2000, mediante el uso de una regresión de Cox. La regresión de Cox permite detectar relaciones entre el riesgo de que suceda un determinado suceso (en este caso, de que una ley sea promulgada) y distintas variables explicativas.
##
## ================================================
## Dependent variable:
## ---------------------------
## PromulgadaSurv
## ------------------------------------------------
## Grupo Oficialista 6.146***
## (1.188)
##
## Propone Ejecutivo 8.872***
## (1.066)
##
## Impuestos 1.971*
## (1.102)
##
## ------------------------------------------------
## Observations 5,807
## R2 0.137
## Max. Possible R2 0.987
## Log Likelihood -12,182.580
## Wald Test 1,230.760*** (df = 3)
## LR Test 856.343*** (df = 3)
## Score (Logrank) Test 1,745.966*** (df = 3)
## ================================================
## Note: *p<0.1; **p<0.05; ***p<0.01
##
## =======================================
## Nota: se muestran los coeficientes exp.
## ---------------------------------------
La siguiente tabla muestra el número de leyes propuestas por tipo de proponente y el número de leyes promulgadas por tipo de proponente.
El siguiente gráfico muestra el estado de las leyes propuestas por tipo de proponente.
El siguiente gráfico muestra el tiempo promedio para que una ley sea promulgada por tipo de proponente [Se consideran únicamente a las leyes promulgadas para el análisis].
El siguiente gráfico muestra el estado de las leyes propuestas por grupo parlamentario.
El siguiente gráfico muestra el tiempo promedio para que una ley sea promulgada por grupo parlamentario [Se consideran únicamente a las leyes promulgadas para el análisis].
Regresión survival (Periodo 2001 - 2006):
ModeloCongreso=data[data$congresoR=='C2001_2006',]
ModeloCongreso = ModeloCongreso[,c(19,21,22,24)]
library(survival)
ModeloCongreso$survival=with(ModeloCongreso,Surv(TiempoP, as.numeric(Promulgado)))
modelo1 <- coxph(survival ~ GPOficialista + ProponeEjecutivo,data=ModeloCongreso)
summary(modelo1)
## Call:
## coxph(formula = survival ~ GPOficialista + ProponeEjecutivo,
## data = ModeloCongreso)
##
## n= 14839, number of events= 4909
## (2 observations deleted due to missingness)
##
## coef exp(coef) se(coef) z Pr(>|z|)
## GPOficialista1 0.06562 1.06782 0.03562 1.842 0.0655 .
## ProponeEjecutivo1 1.73445 5.66584 0.04366 39.726 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## exp(coef) exp(-coef) lower .95 upper .95
## GPOficialista1 1.068 0.9365 0.9958 1.145
## ProponeEjecutivo1 5.666 0.1765 5.2012 6.172
##
## Concordance= 0.566 (se = 0.004 )
## Rsquare= 0.07 (max possible= 0.998 )
## Likelihood ratio test= 1082 on 2 df, p=<2e-16
## Wald test = 1616 on 2 df, p=<2e-16
## Score (logrank) test = 2051 on 2 df, p=<2e-16
library(ggplot2)
library(ggfortify)
KM.fondos = survfit(survival ~ GPOficialista, data = ModeloCongreso)
###
ejeX='TIEMPO HASTA QUE SE PUBLICA EL PROYECTO\n curva cae cuando el proyecto es publicado'
ejeY='Probabilidad de que el proyecto sea publicado'
titulo="Curva de Sobrevivencia (2001 - 2006)"
autoplot(KM.fondos,
xlab=ejeX,
ylab=ejeY,
main = titulo,
conf.int = F)
library(ggplot2)
library(ggfortify)
KM.fondos = survfit(survival ~ ProponeEjecutivo, data = ModeloCongreso)
###
ejeX='TIEMPO HASTA QUE SE PUBLICA EL PROYECTO\n curva cae cuando el proyecto es publicado'
ejeY='Probabilidad de que el proyecto sea publicado'
titulo="Curva de Sobrevivencia (2001 - 2006)"
autoplot(KM.fondos,
xlab=ejeX,
ylab=ejeY,
main = titulo,
conf.int = F)
La siguiente tabla muestra el número de leyes propuestas por tipo de proponente y el número de leyes promulgadas por tipo de proponente.
El siguiente gráfico muestra el estado de las leyes propuestas por tipo de proponente.
El siguiente gráfico muestra el tiempo promedio para que una ley sea promulgada por tipo de proponente [Se consideran únicamente a las leyes promulgadas para el an??lisis].
El siguiente gráfico muestra el estado de las leyes propuestas por grupo parlamentario.
El siguiente gráfico muestra el tiempo promedio para que una ley sea promulgada por grupo parlamentario [Se consideran únicamente a las leyes promulgadas para el an??lisis].
Regresión survival (Periodo 2006 - 2011):
ModeloCongreso=data[data$congresoR=='C2006_2011',]
ModeloCongreso = ModeloCongreso[,c(19,21,22,24)]
library(survival)
ModeloCongreso$survival=with(ModeloCongreso,Surv(TiempoP, as.numeric(Promulgado)))
modelo1 <- coxph(survival ~ GPOficialista + ProponeEjecutivo,data=ModeloCongreso)
summary(modelo1)
## Call:
## coxph(formula = survival ~ GPOficialista + ProponeEjecutivo,
## data = ModeloCongreso)
##
## n= 4908, number of events= 1388
##
## coef exp(coef) se(coef) z Pr(>|z|)
## GPOficialista1 0.16001 1.17352 0.07636 2.096 0.0361 *
## ProponeEjecutivo1 1.46794 4.34028 0.06002 24.459 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## exp(coef) exp(-coef) lower .95 upper .95
## GPOficialista1 1.174 0.8521 1.010 1.363
## ProponeEjecutivo1 4.340 0.2304 3.859 4.882
##
## Concordance= 0.644 (se = 0.007 )
## Rsquare= 0.102 (max possible= 0.99 )
## Likelihood ratio test= 526.4 on 2 df, p=<2e-16
## Wald test = 635.7 on 2 df, p=<2e-16
## Score (logrank) test = 749.1 on 2 df, p=<2e-16
library(ggplot2)
library(ggfortify)
KM.fondos = survfit(survival ~ GPOficialista, data = ModeloCongreso)
###
ejeX='TIEMPO HASTA QUE SE PUBLICA EL PROYECTO\n curva cae cuando el proyecto es publicado'
ejeY='Probabilidad de que el proyecto sea publicado'
titulo="Curva de Sobrevivencia (2006 - 2011)"
autoplot(KM.fondos,
xlab=ejeX,
ylab=ejeY,
main = titulo,
conf.int = F)
library(ggplot2)
library(ggfortify)
KM.fondos = survfit(survival ~ ProponeEjecutivo, data = ModeloCongreso)
###
ejeX='TIEMPO HASTA QUE SE PUBLICA EL PROYECTO\n curva cae cuando el proyecto es publicado'
ejeY='Probabilidad de que el proyecto sea publicado'
titulo="Curva de Sobrevivencia (2006 - 2011)"
autoplot(KM.fondos,
xlab=ejeX,
ylab=ejeY,
main = titulo,
conf.int = F)
La siguiente tabla muestra el número de leyes propuestas por tipo de proponente y el número de leyes promulgadas por tipo de proponente.
El siguiente gráfico muestra el estado de las leyes propuestas por tipo de proponente.
El siguiente gráfico muestra el tiempo promedio para que una ley sea promulgada por tipo de proponente [Se consideran únicamente a las leyes promulgadas para el análisis].
El siguiente gráfico muestra el estado de las leyes propuestas por grupo parlamentario.
El siguiente gráfico muestra el tiempo promedio para que una ley sea promulgada por grupo parlamentario [Se consideran únicamente a las leyes promulgadas para el análisis].
Regresión survival (Periodo 2011 - 2016):
ModeloCongreso=data[data$congresoR=='C2011_2016',]
ModeloCongreso = ModeloCongreso[,c(19,21,22,24)]
library(survival)
ModeloCongreso$survival=with(ModeloCongreso,Surv(TiempoP, as.numeric(Promulgado)))
modelo1 <- coxph(survival ~ GPOficialista + ProponeEjecutivo,data=ModeloCongreso)
summary(modelo1)
## Call:
## coxph(formula = survival ~ GPOficialista + ProponeEjecutivo,
## data = ModeloCongreso)
##
## n= 5424, number of events= 1501
##
## coef exp(coef) se(coef) z Pr(>|z|)
## GPOficialista1 -0.07192 0.93061 0.06692 -1.075 0.283
## ProponeEjecutivo1 2.03517 7.65355 0.06111 33.304 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## exp(coef) exp(-coef) lower .95 upper .95
## GPOficialista1 0.9306 1.0746 0.8162 1.061
## ProponeEjecutivo1 7.6536 0.1307 6.7897 8.627
##
## Concordance= 0.643 (se = 0.007 )
## Rsquare= 0.153 (max possible= 0.99 )
## Likelihood ratio test= 903.6 on 2 df, p=<2e-16
## Wald test = 1268 on 2 df, p=<2e-16
## Score (logrank) test = 1764 on 2 df, p=<2e-16
library(ggplot2)
library(ggfortify)
KM.fondos = survfit(survival ~ GPOficialista, data = ModeloCongreso)
###
ejeX='TIEMPO HASTA QUE SE PUBLICA EL PROYECTO\n curva cae cuando el proyecto es publicado'
ejeY='Probabilidad de que el proyecto sea publicado'
titulo="Curva de Sobrevivencia (2011 - 2016)"
autoplot(KM.fondos,
xlab=ejeX,
ylab=ejeY,
main = titulo,
conf.int = F)
library(ggplot2)
library(ggfortify)
KM.fondos = survfit(survival ~ ProponeEjecutivo, data = ModeloCongreso)
###
ejeX='TIEMPO HASTA QUE SE PUBLICA EL PROYECTO\n curva cae cuando el proyecto es publicado'
ejeY='Probabilidad de que el proyecto sea publicado'
titulo="Curva de Sobrevivencia (2011 - 2016)"
autoplot(KM.fondos,
xlab=ejeX,
ylab=ejeY,
main = titulo,
conf.int = F)
La siguiente tabla muestra el número de leyes propuestas por tipo de proponente y el número de leyes promulgadas por tipo de proponente.
El siguiente gráfico muestra el estado de las leyes propuestas por tipo de proponente.
El siguiente gráfico muestra el tiempo promedio para que una ley sea promulgada por tipo de proponente [Se consideran únicamente a las leyes promulgadas para el análisis].
El siguiente gráfico muestra el estado de las leyes propuestas por grupo parlamentario.
El siguiente gráfico muestra el tiempo promedio para que una ley sea promulgada por grupo parlamentario [Se consideran únicamente a las leyes promulgadas para el análisis].
Regresión survival (Periodo 2016 - 2021):
ModeloCongreso=data[data$congresoR=='C2016_2021',]
ModeloCongreso = ModeloCongreso[,c(19,21,22,24)]
library(survival)
ModeloCongreso$survival=with(ModeloCongreso,Surv(TiempoP, as.numeric(Promulgado)))
modelo1 <- coxph(survival ~ GPOficialista + ProponeEjecutivo,data=ModeloCongreso)
summary(modelo1)
## Call:
## coxph(formula = survival ~ GPOficialista + ProponeEjecutivo,
## data = ModeloCongreso)
##
## n= 3607, number of events= 668
##
## coef exp(coef) se(coef) z Pr(>|z|)
## GPOficialista1 0.1322 1.1414 0.1527 0.866 0.387
## ProponeEjecutivo1 1.5758 4.8346 0.0990 15.918 <2e-16 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## exp(coef) exp(-coef) lower .95 upper .95
## GPOficialista1 1.141 0.8761 0.8461 1.54
## ProponeEjecutivo1 4.835 0.2068 3.9819 5.87
##
## Concordance= 0.592 (se = 0.01 )
## Rsquare= 0.05 (max possible= 0.943 )
## Likelihood ratio test= 184.3 on 2 df, p=<2e-16
## Wald test = 255 on 2 df, p=<2e-16
## Score (logrank) test = 310.9 on 2 df, p=<2e-16
library(ggplot2)
library(ggfortify)
KM.fondos = survfit(survival ~ GPOficialista, data = ModeloCongreso)
###
ejeX='TIEMPO HASTA QUE SE PUBLICA EL PROYECTO\n curva cae cuando el proyecto es publicado'
ejeY='Probabilidad de que el proyecto sea publicado'
titulo="Curva de Sobrevivencia (2016 - 2021)"
autoplot(KM.fondos,
xlab=ejeX,
ylab=ejeY,
main = titulo,
conf.int = F)
library(ggplot2)
library(ggfortify)
KM.fondos = survfit(survival ~ ProponeEjecutivo, data = ModeloCongreso)
###
ejeX='TIEMPO HASTA QUE SE PUBLICA EL PROYECTO\n curva cae cuando el proyecto es publicado'
ejeY='Probabilidad de que el proyecto sea publicado'
titulo="Curva de Sobrevivencia (2016 - 2021)"
autoplot(KM.fondos,
xlab=ejeX,
ylab=ejeY,
main = titulo,
conf.int = F)